공차누적해석 (Tolerance Stack-Up Analysis)
쉽게 풀면
부품 하나하나는 도면상 허용 오차(공차) 안에서 만들어지지만, 여러 부품을 조립하면 각각의 작은 오차가 쌓여서 예상보다 큰 틈이 생기거나 부품끼리 부딪히는 문제가 생길 수 있다. 공차누적해석은 이런 개별 공차들이 조립 후 전체적으로 어떻게 쌓이는지를 계산해서, 최종 조립체가 설계 의도대로 잘 맞는지 미리 확인하는 방법이다. 모든 부품이 최악의 조합으로 어긋났을 때를 가정하는 최악조건법(worst-case)과 확률적으로 조합되는 경우를 가정하는 통계적 방법(RSS 등)이 있다. 자동차, 전자기기, 항공기처럼 수많은 부품이 정밀하게 조립되어야 하는 제품 설계에 필수적이다.
왜 중요한가
공차누적해석은 설계 단계에서 조립 불량이나 성능 저하를 사전에 예측해 시제품 제작과 재설계에 드는 비용을 줄여주기 때문에, 정밀기계·자동차·전자기기 설계 분야의 논문과 실무 보고서에서 반복적으로 다루어집니다. 개별 부품의 공차를 얼마나 엄격하게 관리할지는 제조 비용과 직결되므로, 공차누적해석은 품질과 원가 사이의 균형을 정량적으로 논의할 수 있게 해주는 도구로도 활용됩니다.
논문에서는 이렇게 쓰입니다
부품들의 공차를 통계적으로 조합해 계산한 결과, 조립 시 부품끼리 부딪힐 확률이 매우 낮음을 확인했다는 뜻이다.
가장 보수적인 가정으로 계산했을 때 문제가 드러나 설계를 수정한 사례를 설명하는 문장이다.
단순 계산이 아니라 시뮬레이션 방식으로 공차 누적을 분석해 실제 생산 수율까지 추정한 예문이다.
조금 더 깊게 보면
공차누적해석에서 흔히 쓰이는 통계적 방법 중 하나가 제곱합의 제곱근(RSS, Root Sum Square) 방식인데, 이는 각 부품 공차가 서로 독립적으로 확률적으로 조합된다고 가정하여 최악조건법보다 완화된, 더 현실적인 누적 공차를 계산합니다. 실무에서는 여기서 한 걸음 더 나아가 몬테카를로 시뮬레이션으로 각 치수의 분포(주로 정규분포 가정)를 무작위로 샘플링해 조립체 전체의 치수 분포와 불량률을 추정하기도 하며, 이 결과는 이후 공정능력분석과 연결되어 실제 생산 수율을 가늠하는 데 쓰입니다.
주의할 점
최악조건법은 지나치게 보수적인 공차를 요구할 수 있어, 대량생산 제품에는 통계적 방법이 더 현실적인 경우가 많다.